高光谱遥感图像局部异常检测算法研究-信号与信息处理专业论文.docxVIP

Study on Algorithms of Local Anomaly Detection for Hyperspectral Remote sensing Imagery Candidate：Ouyang Zhengping Advisor：Ji Kefeng A thesis Submitted in partial fulfillment of the requirements for the degree of Master of Engineering in Information and Communication Engineering Graduate School of National University of Defense Technology Changsha，Hunan，P.R.China （November，2011） 国防科学技术大学研究生院硕士学位论文 国防科学技术大学研究生院硕士学位论文 国防科学技术大学研究生院硕士学位论文 国防科学技术大学研究生院硕士学位论文 目 录 摘 要 i ABSTRACT ii 第一章 绪论 1 1.1 研究背景及意义 1 1.2 国内外研究现状 2 1.2.1 高光谱遥感技术概述 3 1.2.2 国内外高光谱遥感技术的发展现状 5 1.2.3 高光谱图像目标检测技术 6 1.3 研究内容和章节安排 10 1.4 数据源说明 11 第二章 高光谱图像异常检测理论 12 2.1 引言 12 2.2 高光谱图像异常特性分析 12 2.3 高光谱图像的典型检测算法 13 2.3.1 RX 检测算法 14 2.3.2 约束能量最小化算法 16 2.3.3 OSP 目标检测算法 17 2.3.4 低概率检测 20 2.4 异常检测算法的实验结果分析 20 2.4.1 图像数据说明 20 2.4.2 检测结果及分析 22 2.5 全局异常检测与局部异常检测 25 2.6 小结 27 第三章 基于图像空间的局部 OSP 检测算法 28 3.1 引言 28 3.2 局部正交子空间投影算法 28 3.3 中心点投影异常检测算法 29 3.3.1 中心点投影 29 3.3.2 多窗异常检测 30 3.3.3 基于中心点投影的多窗异常检测流程 32 3.4 实验结果与分析 33 第 I 页 第 第 PAGE IV 页 第 第 III 页 3.4.1 局部 OSP 检测的结果 33 3.4.2 中心点投影的检测结果 34 3.4.3 窗口大小对检测结果的影响 35 3.5 小结 36 第四章 基于光谱空间的局部异常检测算法 37 4.1 引言 37 4.2 面向异常检测光谱空间局部邻域划分原则 37 4.3 基于光谱聚类的异常检测 38 4.3.1 聚类方法 39 4.3.2 主要地物类别数的估计及检测效果 42 4.3.3 检测结果及分析 44 4.4 基于光谱聚类异常检测和中心点投影算法的比较 48 4.5 小结 50 第五章 结束语 51 5.1 本文主要研究成果 51 5.2 下一步工作展望 52 致 谢 53 参考文献 54 作者在学期间取得的学术成果 57 国防科学技术大学研究生院硕士学位论文 国防科学技术大学研究生院硕士学位论文 国防科学技术大学研究生院硕士学位论文 国防科学技术大学研究生院硕士学位论文 表 目 录 表 3.1 三种算法在保证检测率的条件下的分割阈值和虚警个数 35 表 4.1 虚警率为 0.005 时的检测数 47 表 4.2 虚警率为 0.01 时的检测数 47 图 目 录 图 1.1 高光谱图像示意图 3 图 1.2 高光谱目标检测技术流程图 6 图 2.1 RX 检测示意图 14 图 2.2 不满足模型时 RX 检测结果 16 图 2.3 IPMF 的处理框图 19 图 2.4 数据一的图像立方体 21 图 2.5 原始图像中截取的两个区域 21 图 2.6 区域 A 的地物分布 21 图 2.7 区域 B 中的车辆分布 22 图 2.8 数据二的图像立方体 22 图 2.9 数据二实际场景中的目标分布 22 图 2.10 实际数据二 RX 检测的结果 23 图 2.11 RX 检测结果阈值分割的结果 23 图 2.12 实际数据一 RX 检测（左）及阈值分割（右）的结果 23 图 2.13 类别数为 3 时，LPD 检测（左）和阈值分割（右）的结果（数据一） 24 图 2.14 类别数为 5 时，LPD 检测（左）和阈值分割（右）的结果（数据一） 24 图 2.15 数据二使用 LPD 检测的结果 24 图 2.16 数据一在第